就在昨天騰訊的全球數(shù)字生態(tài)大會上，騰訊大模型混元終于亮相了。

為什么要說終于？

在各方消息看來，除了像小米這種說不打算做大模型的之外，絕大部分大廠們基本都已經(jīng)陸續(xù)上線過大模型了。

(相關資料圖)

其實，騰訊自己也在6月中旬就推出了自己面向B端行業(yè)的MaaS（Model-as-a-service，模型即服務）解決方案。

方案中包含了很多行業(yè)大模型，只不過當時騰訊的通用大模型依舊還很神秘。

后續(xù)的各種消息、報道里，騰訊也在內(nèi)部不斷打磨混元大模型。

所以這也讓差評君對混元的期待值，越來越高。

畢竟上一個用“hun yuan ”名號的，可是打了一整套閃電五連鞭。

話不多說，下面就開始新一輪大模型測試。

本次測試和混元同場競技的是，大模型界的老學長 ChatGPT。

整個測試環(huán)節(jié)將分：常規(guī)語義理解、復雜問題理解、連續(xù)對話與角色扮演能力、學習能力、代碼能力、數(shù)學能力、長文總結，以及大家喜聞樂見的弱智吧問答等 8 個維度。

這次我們一反常態(tài)，把長文總結能力的測評放在了第一位。

因為我們讓大模型總結的，就是這篇測評本身（ 除長文總結能力部分 ）。

至于能不能當成省流版，往下看你就懂了。

混元的總結非常精練，但過于精練，以至于我很難從這個總結得出有效的信息。

但當我讓他展開講講的時候其實還行，但可惜無中生有了“長文總結”這個模塊。

而 ChatGPT 由于輸入字數(shù)限制，被我人為分成了兩部分輸入，不確定這有沒有沒影響它的總結能力。

在回答中，它莫名克扣了對自己的所有評測，甚至沒在總結里寫出混元的數(shù)學能力、弱智吧問答挑戰(zhàn)和差評君的觀點，也不好用。

向上滑動

看來，這倆大模型總結得都沒那么完美，想看看兩家到底什么水平，大家還得仔細往下看正文。

首先我們做的測試是常規(guī)的語義理解問題。

問題是理解“原來誰都看不上，現(xiàn)在誰都看不上”。

這句話混元理解得挺好，基本解釋了我對單身這事的調(diào)侃，兩個“看不上”都解釋上了。

但ChatGPT說的依舊很ChatGPT，說最多的話，犯最蠢的錯。

他本來解釋得相當?shù)轿唬貏e是分析這句話是用幽默的方式來調(diào)侃單身，還帶著一絲無奈情緒，很高級。

但它完全沒品出這前后兩個“看不上”里，帶有反轉的幽默感，遺憾。

向上滑動

接下來我們看混元的復雜問題理解能力。

問題是魂穿到官渡之戰(zhàn)中袁紹身上，時間節(jié)點是罵完許攸之后。

既要回答怎么破局贏下官渡之戰(zhàn)，還要提供進一步統(tǒng)一全國的規(guī)劃。

要給大家稍微講下這題為啥是復雜提問。

因為要回答這題，首先得熟悉三國這些人物歷史背景、相關故事，特別是罵完許攸這個時間節(jié)點很微妙。

因為在這之后許攸投靠曹操，獻計火燒袁紹囤積在烏巢的糧草。

最終以少勝多擊敗袁紹，隨后幾年內(nèi)徹底吞下冀北逐漸統(tǒng)一北方。

而進一步設想里的統(tǒng)一全國，更是曹操本人都沒能實現(xiàn)。

所以大模型們要完美理解并回答這個問題，那網(wǎng)文作者們基本可以宣告失業(yè)了。

AI浪潮下的網(wǎng)文作者現(xiàn)狀

經(jīng)過測試，兩個大模型的回答都很一般。

從一開始，二者都沒能理解自己穿越扮演袁紹角色的指令。

混元急哄哄地給袁紹出主意， ChatGPT 則是以為我要穿越，教我做事。

至于兩個給的回答，既沒有 get 到我提出這個微妙時間節(jié)點的用意，也沒有什么行之有效的戰(zhàn)略規(guī)劃，都是些泛泛而談的車轱轆話。

相對而言，個人感覺混元的稍勝一籌。

畢竟ChatGPT可是希望袁紹去和曹操建立互利共贏的關系，哈哈哈。

向上滑動 ▼

既然一個復雜指令兩個考試都理解不好，那干脆簡單點，讓兩者去角色扮演一個婚禮主持人，一點點誘導進行連續(xù)對話。

結果立馬就能發(fā)現(xiàn)混元和ChatGPT，就像理科生和文科生的區(qū)別。

混元的回答簡單不啰嗦，但有的時候過于生硬。

你說有錯吧，談不上，你要說給高分肯定不可能。

而 ChatGPT 就是不管對不對，先把字寫滿再說。

看里面的描述啥的都很好，但其實從中間就已經(jīng)理解錯意思，搞混了我的意圖。

所以兩者都不完美，都有待改進。

向上滑動 ▼

然后我們還重點考驗了下大模型的文字學習能力。

搬出了當年的火星文，給兩個考生上上強度。

先是丟了一篇火星文版的朱自清《背影》名場面給大模型學習。

然后讓他們分別用這種風格寫一篇養(yǎng)金毛心得。

結果就是，混元不愧是本土大模型，背靠火星文鼻祖發(fā)源地QQ空間就是有優(yōu)勢，火星文的熟練度相當不錯。

第一眼就悟到了火星文的精髓，非常順利地學習了火星文的創(chuàng)作手法。

而ChatGPT雖然意識到火星文是一種不標準的中文形式，但他實在學不會這種方式，最后甚至直接承認自己不行了。

向上滑動 ▼

接下來就到了代碼能力的考核。

這次出的題目是，寫一個現(xiàn)代極客風格的 925 活動抽獎頁面，頁面中必須有醒目的 925 標志。

說起來，因為混元發(fā)布時對代碼能力基本沒咋提，所以本來我們對混元的代碼能力沒啥期待。

但論這個題目，混元的效果相當不錯，黑白配色的極客風有了，頁面邏輯也沒啥問題。

甚至還預留了給我們替換 logo 的位置滿足我們有 925 醒目標志的區(qū)域，相當成熟。

對比之下， ChatGPT 甚至把極客風理解成了 925 極客活動。。。整個抽獎界面也非常毛胚。

混元頁面效果

ChatGPT頁面效果

除了代碼問題，數(shù)學就是另一個大模型的老大難了。

這次我們也挑了不少數(shù)學問題給兩個考生做，從小學 1 年級一直做到了初一。

最終混元大模型在六年級時挑戰(zhàn)失敗，到了初一開始胡言亂語，也讓我們徹底放棄測試了。

而 ChatGPT 明顯還有余力。

而 ChatGPT 由于輸入字數(shù)限制，被我人為分成了兩部分輸入，不確定這有沒有沒影響它的總結能力。

年級測試題向上滑動

6年級測試題 向上滑動

初一測試題 向上滑動

當然，最后也少不了網(wǎng)友們喜聞樂見的“弱智吧”精選套餐。

這次我們更新了題庫，用上了今年上半年最新的弱智吧精選問題，我們發(fā)現(xiàn)可能 AI 最后的圖靈測試可能還真是弱智吧。

因為在大部分測試里，混元和GPT基本都不夠弱智而無法正確理解問題，這點上，人類遙遙領先！

向上滑動

除了以上這些常規(guī)測試外，混元發(fā)布會后的媒體采訪上，很多媒體也在詢問騰訊這么晚掏出大模型，那和市面上的競品們有什么優(yōu)勢。

騰訊方面則是說，混元大模型在大模型飽受詬病容易受誘導、典型的大模型幻覺（胡言亂語）等通病上，有了針對性的改善。

所以我們在實際測試時，也專門留心感受了這兩塊內(nèi)容。

不得不說，混元的大模型幻覺減少較為明顯，這大概也和他惜字如金有關系，畢竟說多錯多還是很有道理的。

但容易受誘導這方面的改善其實并不明顯，一些該跳的坑還是很難避免，只能說千防萬防，人心難防。

而且作為一個剛上市的大模型，一些小問題比起同期早已發(fā)布的前輩們還是有待改進。

比如“重新生成”答案經(jīng)常性會失靈，甚至有的時候重啟重新輸入問題都沒法解決。

而當你發(fā)現(xiàn)混元說錯了某個回答希望他改正，他總是倔強地虛心認錯，死不悔改。

還有就是，他對一些比較簡單的提問，反而有時候會抽風，有點像抓關鍵詞一樣作答，很讓人抓狂，只能不停修改提示詞才會好點。

再吹毛求疵一點的話，這個生成問題時的頭像動效，有種二胡卵子的異樣美感，咱也不知道這是高級呢還是可愛呢？

這些小問題其實還挺頻繁，真要列起來又有點太稀碎，大家還是自己體驗后會有更深刻的理解。

不過這些小毛病，后續(xù)的更新迭代倒也簡單，等用戶數(shù)多了，相信很快就能優(yōu)化。

總的來說，混元和ChatGPT在中文環(huán)境下的PK中，二者其實水平差不多，放到國產(chǎn)大模型梯隊里，也能有個平均水平。

只是在用了這么多大模型后，我們感覺混元特別之處是給人的感覺，它更像個理工科直男，主打一個廢話少說。

而 GPT 為首的其它大模型們則是典型的文科小編，主打能水就水，油多不壞菜。

而這種感覺也更貼合騰訊對混元大模型“實用級”的定義。

畢竟誰也不想在急著用的時候還要在長篇大論里找關鍵信息吧。

那對于差評君來說，混元大模型更讓人期待的，反而是和騰訊旗下應用的深度融合。

現(xiàn)在大家手里沒個七八九十個騰訊系應用，都不敢說自己在互聯(lián)網(wǎng)上沖浪的。

雖然眼下，我們在發(fā)布會上只看到了騰訊會議、騰訊文檔里們的進化。

但在這些辦公軟件之外，騰訊系里游戲、社交、影音等等，才是更和大家休閑快樂相關的業(yè)務。

在這些領域，大模型的未來會是什么形式、什么程度的結合，才更是大家所最期待的。

更關鍵的是，在其他大模型還在苦苦嘗試怎么和業(yè)務、和已有應用的結合上，騰訊卻已經(jīng)有了成功經(jīng)驗。

此前騰訊多模態(tài) AI 大模型率先被應用在廣告投放，當時累計給廣告主帶來 15%的 GMV 提升。

所以，被網(wǎng)上吐槽的最晚發(fā)布大模型的大廠，這么看起來好像也不是什么飛龍騎臉的天崩局面。

好飯不怕晚嘛。

關鍵詞：